автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Разработка и исследование метода моделирования сложных систем с динамически изменяющимися объектами

ПРИНЯТЫЕ СОКРАЩЕНИЯ.

ВВЕДЕНИЕ.

1.АНАЛИЗ СОВРЕМЕННЫХ МЕТОДОВ МОДЕЛИРОВАНИЯ СЛОЖНЫХ СИСТЕМ С ДИНАМИЧЕСКИ ИЗМЕНЯЮЩИМИСЯ ОБЪЕКТАМИ.

1.1 .Описание модели сложной системы.

1.2.Определение характерных особенностей ССДИО.

1.3.Формирование требований к методам моделирования ССДИО.

1.4.Анализ характеристик методов моделирования ССДИО.

1.5.Сравнительный анализ методов моделирования ССДИО.

АКТУАЛЬНОСТЬ. В процессе познания окружающего мира важную роль играет создание моделей и их исследование [1,2]. Изучение модели дает представление о внутренней структуре исследуемой системы, о процессах, протекающих в ней, позволяет выделить наиболее значимые элементы системы, предсказать их поведение и, по возможности, влиять на развитие ситуации. Рост потребностей человечества и, как следствие, все большее вмешательство в естественное протекание процессов в окружающей среде, приводит к необходимости контролировать большее количество процессов и большее количество параметров каждого процесса, следовательно, используемые модели усложняются [3, 4, 5, 6].

Исследователь сталкивается при этом с одной из серьезных, не решенных пока проблем. Исследование сложных систем, повышение точности их описания сопряжено с увеличением объемов вычислений [7]. Поэтому при моделировании сложных систем зачастую прибегают к среднестатистическим оценкам [8, 93, 6] либо используют специализированные вычислительные средства и оптимизированные методы моделирования [10, 5, 12].

При первом подходе - использовании среднестатистических оценок -невозможно проследить поведение отдельных элементов моделируемой системы. В ряде случаев этот подход неприменим [6]. Например, для повышения точности модели необходимо увеличение количества оценок. С одной стороны увеличивается точность описания моделируемой сложной системы, а с другой стороны возрастают требования к вычислительным ресурсам.

Другой подход интересен тем, что позволяет произвести описание отдельных элементов системы, однако его использование ограничено мощностью вычислительных средств [12]. В последнее время в реализации этого подхода появилось новое направление, позволяющее задействовать в процессе моделирования мощные вычислительные ресурсы - одноранговые вычисления (ОВ).

При одноранговых вычислениях задание разбивается на отдельные задачи, независимые друг от друга. Эти задачи разделяются для вычислений на

ЭВМ по компьютерной сети. Результаты вычислений передаются в центр обработки, где формируется окончательное решение. Первым широко известным применением одноранговых вычислений стала программа @SETI по поиску внеземных цивилизаций. В вычислениях задействованы сотни тысяч ЭВМ. В настоящее время идет развитие этого типа вычислений, появляются коммерческие разработки на базе ОВ. Ясно, что при разбиении задачи на отдельные подзадачи в общем случае использование среднестатистических оценок затруднено, так как оценка выводится по нескольким значениям, а значит, подразумевается связанность подзадач между собой. Это снижает эффективность применения ОВ при построении моделей на базе среднестатистических оценок. Таким образом, для одноранговых вычислений предпочтительнее моделирование отдельных элементов моделируемой системы.

Примерами методов моделирования, позволяющих производить подобные описания, являются [13, 14]: метод моделирования коллективного поведения, имитационное моделирование, метод моделирования, базирующийся на теории клеточных автоматов. Проведение одноранговых вычислений при реализации моделей, построенных на базе этих методов и теорий, позволит повысить мощность задействованных вычислительных ресурсов, а значит более детально, точно производить описание моделируемых систем. Анализ публикаций в этой области [8, 5] показал актуальность проблемы формирования математического аппарата одноранговых вычислений для перечисленных выше методов моделирования.

Если представить процесс развития этого типа вычислений в виде S-образной кривой, то можно выделить участок начального этапа, на котором происходило формирование ОВ. Конец этого этапа характеризуется всплеском интереса к ОВ (программа @SETI) и формированием терминологии. В настоящее время развитие одноранговых вычислений находится на крутом участке S-образной кривой. Этот этап характеризуется появлением в большом количестве теорий ОВ, методов моделирования на основе ОВ.

На сегодняшний день ведется много исследований в этой области. Например, Гордин в своей работе [5] приводит один из способов адаптации существующих моделей прогнозирования погоды для их параллельной пакетной обработки. Интересна работа Sipper Moshe [100], в которой автор рассматривает возможности организации параллельных вычислений для реализации клеточных автоматов, а также труд Bastien Shopard [103], посвященный практическим аспектам организации процесса моделирования. Однако многие исследователи основное внимание уделяют организации процесса одноранговых вычислений при реализации существующих методов моделирования. При этом основная проблема - это изначальная неприспособленность математического аппарата метода для данного вида вычислений. В отличие от перечисленных выше, в качестве примера, работ, в диссертации изначально при разработке метода моделирования во внимание принимаются имеющиеся на сегодняшний день технологии ОВ, и их особенности учитываются в математическом аппарате предлагаемого метода.

Таким образом, и с точки зрения позиционирования ОВ среди других математических аппаратов, используемых в моделировании, и с позиций ретроспективы развития ОВ, на сегодняшний день актуальной является проблема разработки математического метода моделирования сложных систем, в котором описание отдельных элементов системы производиться, не используя, по возможности, среднестатистические оценки. Это позволит при моделировании сложных систем применять ОВ.

ЦЕЛЬ РАБОТЫ. Разработать и исследовать метод моделирования сложных систем с динамически изменяющимися объектами, оптимизированный для использования его в одноранговых вычислениях.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Произвести описание модели сложной системы.

2. Определить ее характерные особенности.

3. Сформировать требования к методам моделирования сложных систем. При этом необходимо учитывать особенности вычислений моделей с помощью ОВ.

4. Проанализировать существующие методы моделирования с позиций удовлетворения предъявленным требованиям.

5. На основе проведенного анализа разработать функциональную схему процесса моделирования.

6. В рамках предложенной функциональной схемы разработать метод моделирования сложных систем.

7. Исследовать его достоинства и недостатки, ограничения.

8. Разработать программную версию системы моделирования, функционирующую в одноранговой вычислительной среде.

МЕТОДЫ ИССЛЕДОВАНИИ. Для решения поставленных задач использовались следующие методы исследований: элементы теории моделей, метод моделирования коллективного поведения, элементы теории клеточных автоматов, имитационное моделирование.

НАУЧНАЯ НОВИЗНА диссертационной работы заключается в:

1. Разработке универсального динамического объекта, являющего основой метода моделирования. Его математическое описание, на основе которого формируются объекты модели, ориентировано на одноранговые вычисления.

2. Представлении рабочего поля как универсального динамического объекта. В результате упрощается задачи формализации элементов окружающей среды изучаемого процесса и визуализации результатов моделирования.

3. Создании математического аппарата метода моделирования сложных систем с динамически изменяющимися объектами на базе матриц, описывающих объекты модели. Это позволяет при моделировании сложных систем задействовать вычислительные мощности, предоставляемые ОВ.

4. Разработке алгоритма моделирования, позволяющего использовать одноранговые вычисления.

ПРАКТИЧЕСКУЮ ЦЕННОСТЬ работы представляют:

1. Метод моделирования сложных систем на базе универсального динамического объекта, предназначенный для использования в ОВ.

2. Программная версия системы моделирования, реализующая предложенный метод.

РЕАЛИЗАЦИЯ РЕЗУЛЬТАТОВ РАБОТЫ. Основные теоретические и практические результаты диссертационной работы использованы при выполнении работ по НИР «Поисковые исследования и разработка основ построения систем моделирования процессов управления и реализации целей в условиях нестабильной обстановки и динамично меняющихся правил и ограничений на возможные действия и ресурсы командования» (шифр "Кобел-лит", Исх. №479 /НИО РВИ РВ от 15.12.99). Результаты работы были внедрены в ООО 1111 «Инкобонд» в качестве программного обеспечения моделирования чрезвычайных ситуаций.

АПРОБАЦИЯ основных теоретических и практических результатов работы проводилась на МНТК «Компьютерные технологии в инженерной и управленческой деятельности» (г. Таганрог, 2000-2002 г.г.), Всероссийских научно-технических конференциях студентов и аспирантов «Техническая кибернетика, радиоэлектроника и системы управления» (г. Таганрог, 20002002 г.г.), межрегиональном совещании-семинаре «Актуальные проблемы и перспективы развития пьезоэлектрического приборостроения» (г. Ростов-на-Дону, 2000 г.).

ПУБЛИКАЦИИ. Результаты диссертации отражены в 5 печатных работах.

СТРУКТУРА И ОБЪЕМ ДИССЕРТАЦИОННОЙ РАБОТЫ. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и приложений.

4.7.Выводы и рекомендации

1. В разделе сформулированы требования к программной системе, выработано концептуальное представление о структуре программных систем, реализующих разработанный метод моделирования.

2. Разработанная модульная структура программной системы позволила реализовать такие механизмы как: одноранговые вычисления с учетом возможных сбоев в работе отдельных модулей; автоматическое перераспределение заданий при сбое одного из модулей; автоматическое включение в работу новых модулей.

Это значительно повышает надежность работы программной системы и позволяет легко наращивать ее вычислительную мощность.

3. Результаты тестирования подтвердили ограничение метода- метод эффективен, если время пересылки данных значительно меньше времени вычислений. Показано, что уменьшить время вычислений можно путем увеличения количества ЭВМ, участвующих в расчетах.

ЗАКЛЮЧЕНИЕ

В диссертации разработан метод моделирования сложных систем с динамически изменяющимися объектами. При этом получены следующие результаты:

1. Предложена модель универсального динамического объекта в качестве основы для разработки объектов моделей. Это позволило реализовать такие характерные особенности сложных систем с динамически изменяющимися объектами как динамическое изменение логики поведения объектов, обмен информацией, заключение соглашений, кооперативное и альтруистическое поведение.

Программная реализация моделей сложных систем с динамически изменяющимися объектами, построенных на базе универсального динамического объекта упрощается благодаря единому механизму, управляющему объектами, количество типов которых сводиться к минимально возможному.

2. Разработано математическое представление рабочего поля модели сложной системы. Введение в модель сложной системы рабочего поля упрощает визуализацию процесса вычислений и позволяет представить результаты моделирования в удобном для последующего анализа виде.

Механизмы реализации элементов рабочего поля основаны на модели универсального динамического объекта. Это снижает дополнительную нагрузку на вычислительные средства, вызванную введением в модель сложной системы описания рабочего поля.

3. Использован математический аппарат на базе матриц для реализации метода моделирования. Все действия объектов сведены к набору из четырех действий: удаление, копирование и присвоение свойства, создание нового свойства объекта. Эти действия выполняют матричные преобразования и могут выполняться независимо друг от друга на текущем шаге моделирования. Это позволяет производить одноранговые вычисления.

4. Разработана программная система моделирования сложных систем с динамически изменяющимися объектами, состоящая из семи модулей: модуля ввода исходной информации; модуля разделения вычислений на потоки и распределение потоков среди ЭВМ, объединенных компьютерной сетью; модуля, реализующего механизмы универсального динамического объекта; модуля, выполняющего функции арбитра модели; модуля, выполняющего функции главного арбитра модели; модуля сбора результатов вычислений у задействованных в моделировании ЭВМ; модуля формирования отчета по результатам моделирования. В системе реализован предложенный метод моделирования. Использование модели универсального динамического объекта позволяет перепрограммировать программную систему на моделирование различных моделей сложных систем без перекомпиляции ядра системы. Математический аппарат метода позволил реализовать такие механизмы функционирования ПО как:

• одноранговые вычисления с учетом возможных сбоев в работе отдельных модулей;

• приостановка работы модулей ходе вычислений;

• внесение изменений в данные в процессе моделирования;

• откат на любой предыдущий шаг;

• автоматическое перераспределение заданий при сбое одного из модулей;

• автоматическое включение в работу новых модулей.

5. Результаты тестирования программной системы, реализующей метод моделирования сложной системы с динамически изменяющимися объектами, показали рост эффективности использования программной системы при увеличении объемов рассчитываемых данных до некоторого уровня. Затем эффективность снижается, что связано с исчерпанием вычислительных мощностей. Снижение эффективности исправляется добавлением новых вычислительных мощностей. Полученные при тестировании результаты полностью подтверждают теоретические выводы, задающие ограничение на использование метода моделирования сложных систем с динамически изменяющимися объектами, реализованного программной системой.

1. Чаковский Ю. В. Познавательные модели, плюрализм и выжива-ние//Путь.- 1992.- №1,- с. 62-108

2. Яковец Ю. Н. Предвидимое будущее. Парадигмы циклов.- М.: Наука, 1992.- 200 е.: ил.

3. Васин А. А. Модели динамики коллективного поведения. М.: Изд-во МГУ, 1989.- 156 е.: ил.

4. Опыт имитационного моделирования исторического процесса. Гусейнова А. С., Павловский Ю. Н., Устинов В. А. М.: Наука. Главная редакция физико-математической литературы, 1984. - 160 с.

5. Гордин В. А. Математика, компьютер, прогноз погоды. М.: Гидрометео-издат, 1991.-224 е., ил.

6. Капица С. П., Курдюмов С. П., Малинецкий Г. Г. Синергетика и прогнозы будущего. М.: Эдиториал УРСС, 2001. - 288 с.

7. Шеннон Р. Имитационное моделирование систем. Искусство и наука. -М.: Мир, 1978.-417 с.

8. Дмитриев А. С. Детерминированный хаос и информационные технологии. Компьютерра №47, 1998

9. Феррари Д. Оценка производительности вычислительных систем.- М.: Мир, 1981.- 576 е.: ил.

10. Ю.Тоффоли Т., Марголус Н. Машины клеточных автоматов: Пер. с англ.- М.: Мир, 1991.-280 с.

11. П.Линник Ю. В. Метод наименьших квадратов и основы математико-статистической теории обработки наблюдений.- М.: Физматгиз, 1982.- 320 е.: ил.

12. Максимей И. В. Имитационное моделирование на ЭВМ. М.: Радио и связь, 1988

13. З.Васин А. А. Модель конкуренции в биологическом сообществе, учитывающая эволюцию поведения. Программное обеспечение и модели исследования операций.- М.: Изд-во Моск. ун-та, 1986.- 108 е.: ил.

14. М.Калашников В. В., Лутков В. И. и др. Вопросы разработки имитационных * систем//Электронная техника.- М.: Экономика, 1983.- 87 е.: ил.

15. Красовский Г. И., Филаретов Г. Ф. Планирование эксперимента.- М.: Изд-воБГУ, 1982.-302 е.: ил.

16. Советский энциклопедический словарь/ Гл. ред. А. М. Прохоров.- 4-е изд.-М.: Сов. Энциклопедия, 1989, 1632 е., ил.

17. Каратаев В. JL Метод моделирования сложных многофакторных процессов на основе теории клеточных автоматов//Техническая кибернетика, радиоэлектроника и системы управления. Тез. докл. всерос. науч. конф.- М.: Таганрог, 2000. с. 74

18. Ахламов А. Г., Баева И. Н. и др. Диалоговые процедуры управления ходом имитационного эксперимента на ЭВМ//Теория и практика имитационного моделирования сложных систем: Тез. докл. республик, науч.-техн. конф.-М.: Одесса, 1983.- с. 16, 17

19. Вознесенский В. А. Статистические методы планирования эксперимента в технико-экономических исследованиях.- М.: Финансы и статистика, 1981.263 е.: ил.

20. Бежикина И. И., Галицкая В. И. и др. Структура новой версии агрегатив-ной имитационной системы//Теоретические и прикладные вопросы моде-лирования/МНИПУ,- М., 1984.- с. 5-13.

21. Максимей И. В., Семишин Ю. А. Технологические возможности имитационного моделирования сетей массового обслуживания//Электронная техника. Сер. Экономика и системы управления.- 1982.- №1.- с. 45-50.

22. Джонсон Н., Лион Ф. Статистика и планирование эксперимента в технике и науке. Методы обработки данных.- М.: Финансы и статистика, 1980.-114с.

23. Калашников В. В. Организация моделирования сложных сис-тем//Математика и кибернетика.- М.: Знание, 1982.- №3 (82).- с. 64-72.

24. Ермаков С. М., Бродский В. 3., Жиглевский А. А. Математическая теория планирования эксперимента.- М.: Наука, 1983.- 391 е.: ил.

25. Демографический энциклопедический словарь. Гл. ред. Д. И. Валентей.-М.: Сов. энциклопедия, 1985.

26. Ивлиев В. А. Консультации по философии: Учебно-методическое пособие. 3-е изд., перераб. и доп. Таганрог: Изд-во ТРТУ, 1999. 114 с.

27. Самарский А. А., Галактионов В. А., и др. Режимы с обострением в задачах для квазилинейных параболических уравнений,- М.: Наука, 1986.- 350 е.: ил.

28. Семевский Н. М., Семенов М. Ф. Математическое моделирование экологических процессов.- М.: Гидрометеоиздат, 1982.

29. Короновский А. А., Трубников Д. И. Нелинейная динамика в действии.-М.: Саратов, 1995.- 240 е.: ил.

30. Авен О. И., Турин Н. Н., Коган Я. А. Оценка качества и оптимизация вычислительных систем.- М.: Наука, 1982.- 464 е.: ил.

31. Моисеев Н. Н. Как далеко до завтрашнего дня. Свободные размышления.-М.: Аспект Пресс, 1994,- 160 с.

32. Лебедев А. Н. Основы теории моделирования.- М.: Пензенский политехи, ин-т, 1977.- 80 с.

33. Васин А. А. О моделировании динамики коллективного поведения. Системное программирование и вопросы оптимизации.- М.: Изд-во Моск. унта, 1987.- 114 с.: ил.

34. Воробьев Н. Н. Основы теории игр. Безкоалиционные игры.- М.: Наука, 1984.-250 е.: ил.

35. Максимей И. В., Семишин Ю. А. Вопросы моделирования сетей массового обслуживания с динамической структурой//Электронная техника. Сер. Экономика и системы управления.- 1981.- №1.- с. 45-50.

36. Шрайбер Т. Дж. Моделирование на GPSS.- М.: Машиностроение, 1980.592 е.: ил.

37. Максимей И. В., Хвещук В. И. Вопросы технологии диалогового моделирования. Теория и практика имитационного моделирования сложных систем.- М.: Наука, 1979.- 180 е.: ил.

38. Себер Дж. Линейный регрессионный анализ.- М.: Мир, 1980.- 456 с.

39. Пых Ю. А. Равновесие и устойчивость в моделях популяционной динамики.- М.: Наука, 1982.

40. Колмогоров А. Н. Теория информации и теория алгоритмов.- М.: Наука, 1987.

41. Петров А. А. Экономика. Модели. Вычислительный эксперимент. М.: Наука, 1996.

42. Ермаков С. М., Михайлов Г. А. Статистическое моделирование.- М.: Наука, 1982,- 296 с.

43. Головкин Б. А. Расчет характеристик и планирование параллельных вычислительных процессов.- М.: Радио и связь, 1983.- 272 с.

44. Смит Дж. М. Математическое и цифровое моделирование для инженеров и исследователей.- М.: Машиностроение, 1980.- 271 е.: ил.

45. Лебедев А. Н. Методы определения критериев подобия путем анализа размерностей определяющих величинЮлектронное моделирование.- М: Энергоатомиздат, 1983.

46. Имитационное моделирование производственных систем/Под ред. А. А. Вавилова.- М.: Машиностроение, 1983.- 416 е.: ил.

47. Тихонов А. Н., Арсенин В. Я. Методы решения некорректных задач. М.: Наука, 1974.

48. Седов Л. И. Методы подобия и размерности в механике.- М.: Наука, 1981.448 е.: ил.

49. Каратаев В. Л. Моделирование методом мутаций динамических объек-тов//Научная мысль Кавказа. Приложение. М.: Изд. Северо-Кавказского научного центра высшей школы, 2001. №9. - с. 63-68

50. Максимей И. В., Семишин Ю. А. Моделирующий комплекс сетей массового обслуживания с динамической структурой/Моделирование дискретных управляющих и вычислительных систем: Тез. докл. III Всесоюз. семинара.- М.: Свердловск, 1981.- с. 94, 95.

51. Математические основы теории автоматического регулирования/Под ред. Б. К. Чемоданова.- М.: Высшая школа, 1977.- 451 с.

52. Перельман И. И. Оперативная идентификация объектов управления.- М.: Энергоиздат, 1982.- 272 е.: ил.

53. Базенов В. И., Стрельченко А. М. Основы планирования и моделирования в теории инженерного эксперимента. Учеб. пособие факультета повыш. квалиф. ИГР.- М.: МАИ, 1983.- 58 е.: ил.

54. Гор А. Земля на чаше весов. Экология и человеческий дух.- М.: Наука, 1993.- 180 с.

55. Пранявичюс Г. Модели и методы исследования вычислительных систем.-М.: Мокслас, 1982.- 227 е.: ил.

56. Каратаев В. JI. Бесконтактный измеритель уровня глюкозы в пробе кро-ви//Радиоэлектроника, микроэлектроника, системы связи и управления. Тез. докл. всерос. науч. конф.- М.: Таганрог, 1997. с. 62

57. Лебедев А. Н. Моделирование в научно-технических исследованиях. М.: Радио и связь, 1989. - 224 е.: ил.

58. Руш Н., Абетс П., Лалуа М. Прямой метод Ляпунова в теории устойчивости.- М.: Мир, 1980.

59. Ивченко Г. И., Медведев Ю. И. Математическая статистика: Учеб. пособие для вузов.- М.: Высшая шкала, 1984.- 248 е.: ил.

60. Иванов В. И. Машкович В. П., Центер Э. М. Международная система единиц (СИ).- М.: Энергоиздат, 1981.-200 с.

61. Климов Г. П. и др. Математические модели систем с разделением времени.- М.: Штиинца, 1983,- 110 с.

62. Максимей И. В., Аксенов А. С. и др. Возможности пакета задач планирования экспериментов ПЭОН//Автоматизация проектирования технологических процессов/ИТК АН БССР.- Минск, 1984.- Вып. 1.- с. 97-110.

63. Петров А. А., Поспелов И. Г., Шананин А. А. Опыт математического моделирования экономики. М.: Энергоатомиздат, 1996.

64. Николис Г., Пригожий И. Р. Самоорганизация в неравновесных системах/ Пер. с англ.- М.: Мир, 1984.- 330 е.: ил.

65. Самарский А. А., Михайлов А. П. Математическое моделирование. М.: Наука, 1997.- 330 с.

66. ИберлаК. Факторный анализ.- М.: Статистика, 1980.- 398 е.: ил.

67. Кокс Д. Р., Снел Э. Д. Прикладная статистика: Принципы и примеры.- М.: Мир, 1984.- 200 е.: ил.

68. Волков Ю. Г., Поликарпов В. С. Энциклопедический словарь. М.: Гарда-рики, 1999. - 520 с.

69. Максимей И. В., Семишин Ю. А. Об автоматизации моделирования сетей СМО с динамической структурой//Управляющие системы и машины.- М.: Техника, 1981,- №6.- с. 16-22.

70. Николис Г., Пригожин И. Познание сложного. Введение. М.: Мир, 1990.210 е.: ил.

71. Калихман И. JI. Линейная алгебра и программирование. М.: Высш. школа, 1967. - 427 с.

72. Лебедев А. Н. Простейший метод определения критериев подобия путем анализа размерностей.- М.: Электромеханик, 1984.- 122 е.: ил.

73. Моделирование и испытания радиооборудования/Под ред. В. И. Винокурова.- М.: Судостроение, 1981.- 304 с.

74. Каратаев В. Л. Метод моделирования сложных многофакторных процессов на основе теории клеточных автоматов//Известия ТРТУ. Специальный выпуск «Материалы XLVI научно-технической конференции». Изд-во ТРТУ, 2001. №1 (19).-с. 41

75. Бородюк В. П., Волошин А. П., Иванова А. 3. Статистические методы в инженерных исследованиях. Лаб. практикум (для вузов): Под ред. Г. К. Круга.- М.: Высшая школа, 1983.- 216 е.: ил.

76. Моисеев Н. Н. Математические задачи системного анализа.- М.: Наука, 1981.- 230 е.: ил.

77. Кейслер Г., Чэн Ч. Ч. Теория моделей. М.: Изд-во "Мир", 1977. - 614 с.

78. Моисеев Н. Н. Математика ставит эксперимент.- М.: Наука, 1980.- 270 е.: ил.

79. Вероятностные методы в вычислительной технике/Под ред. А. Н. Лебедева, Е. А. Чернявского.- М.: Высшая школа, 1985.- 312 с.

80. Веников В. А., Веников Г. В. Теория подобия и моделирования.- М.: Высшая школа, 1984.- 439 с.

81. Лебедев А. Н., Недосекин Д. Д., Стеклова Г. А., Чернявский Е. А. Цифровое моделирование и идентификация стационарных случайных процессовв информационно-измерительных системах.- М.: Энергоатомиздат, 1988.65 с.

82. Вычислительние системы/Под ред. Э. А. Евренкова.- М.: Статистика, 1980. Вып. 1,- 158 с.

83. Афифи А., Эйзен С. Статистический анализ: Подход к использованию ЭВМ,- М.: Мир, 1982.- 480 е.: ил.

84. Браверман Э. М., Мучник И. Б. Структурные методы обработки эмпирических данных.- М.: Наука, 1983.- 464 е.: ил.

85. Бекишев Г. А., Кратко Г. А. Элементарное введение в геометрическое программирование.- М.: Наука, 1980.- 144 с.

86. Ашманов С. А. Введение в математическую экономику.- М.: Наука, 1984.

87. Солодовников И. В. Языки, программное обеспечение и организация систем имитационного моделирования.- М.: Машиностроение, 1982.- 49 е.: ил.

88. Баренблатт Г. И. Подобие, автомодельность, промежуточная асимптотика/ Под ред. Я. Б. Зельдовича.- М.: Наука, 1985.

89. Арский Ю. М., Данилов-Данилян В. И. и др. Экологические проблемы. Что происходит, кто виноват и что делать/ Уч. пособие под ред. В. И. Данилова- Даниляна.- М.: Изд-во МНЭПУ, 1997.

90. Справочник по типовым программам моделирования/А. Г. Ивахненко, Ю. В. Коппа и др.; Под ред. А. Г. Ивахненко.- М.: Техника, 1980.- 183 е.: ил.

91. Стогний А. А., Паныпин Б. Н. Программное обеспечение управления вычислительным процессом в ВЦ и сетях ЭВМ.- М.: Наукова думка, 1983.305 е.: ил.

92. Harsham J. System Simulation: The shortest distance from learning to application. -.: Fair Use Guidelines for Educational Multimedia, 1996

93. Nicolis G. Introduction to nonlinear science. Cambridge Univ. Press, 1995.125

94. Mandelbrot В. The fractal geometry of nature. Freeman, N.Y., 1983.

95. Nicohs J. Dynamics of hierarchical systems. Springer, В., 1986.

96. Morrison D. Population and the energy problem. Pugwash conference. Hassel-luden, Sweden, 1993.

97. Population situation in 1991 with special emphasis on age structure. N.Y.: UN, 1991.

98. Sipper Moshe, Evolution of parallel cellular machines: the cellular programming approach/ Moshe Sipper (Lecture notes in computer science, 1194, Springer, 1997)

99. Barenblatt G. I. Similarity, selfsimilarity and intermediate asymptotics. Cambridge Univ. Press, 1995.

100. Avery J. Malthus revisited. H.C. Oersted Inst., Univ. of Copenhagen, 1994.

101. Bastien Chopard and Pascal O. Luthi, A Lattice Boltzmann Wave Model and its Applications. In S. Bandini and G. Mauri (Eds) ACRI '96, pp. 13-24, Springer-Verlag London Limited, 1997

102. П F=>0 И 3 ВОДСТВ Е Н Н О Е ПРЕДПРИЯТИЕ

103. Системы контроля и управления доступом,видео наблюдения, охранной и пожарной сигнализации

104. О внедрении результатов диссертационной работы на соискание ученой степеникандидата технических наук Каратаева Владимира Леонидовича

105. Научные результаты, полученные Каратаевым В. Л. в диссертационной работе на соискание ученой степени кандидата технических наук, используются в ООО ПП «Инкобонд» при планировании работ и составлении проектов.

106. D\c 40702810400000000076 в ОАО KR «IIF.HTP-HHRFCT» rhNM к\г. ЯП1П181П7ППППППППООЧ .Plfllr Tarsunm-* KiW пайппооэ ини «1ШЛП51. SET SQL DIALECT 3;

107. CREATE DATABASE 'D:\dbmod\MODEL.GDB' USER 'SYSDBA' PASSWORD 'masterkey' PAGESIZE 4096

108. DEFAULT CHARACTER SET WIN1251;

109. CREATE DOMAIN IDS AS INTEGER NOT NULL;

110. CREATE GENERATOR ID4NEWOBJ; SET GENERATOR ID4NEWOBJ TO 730;

111. CREATE TABLE F00001 ( ID IDS,

112. MASH IN VARCHAR(64) NOT NULL COLLATE PXWCYRL, STATE VARCHAR(20) NOT NULL COLLATE PXWCYRL, READY SMALLINT DEFAULT 0 NOT NULL);

113. CREATE TABLE OBJECTS ( NAME VARCHAR(20) NOT NULL COLLATE PXWCYRL);

114. CREATE TABLE P00001 ( ID IDS NOT NULL, X INTEGER DEFAULT 0,

115. Y INTEGER DEFAULT 0, RAIN INTEGER DEFAULT 0, DRAINRAIN INTEGER DEFAULT 0, WILD INTEGER DEFAULT 0, DIRECTWILD INTEGER DEFAULT 0, FIRE INTEGER DEFAULT 0, FOREST INTEGER DEFAULT 0, lFIREFOREST SMALLINT DEFAULT 0, STEP INTEGER NOT NULL,

116. NAMEOBJ VARCHAR(20) NOT NULL COLLATE PXWCYRL)

117. CREATE TABLE P00001TEMP ( ID IDS NOT NULL, X INTEGER DEFAULT 0,1. Y INTEGER DEFAULT 0,

118. RAIN INTEGER DEFAULT 0, DRAINRAIN INTEGER DEFAULT 0, WILD INTEGER DEFAULT 0, DIRECTWILD INTEGER DEFAULT 0, FIRE INTEGER DEFAULT 0, FOREST INTEGER DEFAULT 0, I FIRE FOREST SMALLINT DEFAULT 0, STEP INTEGER NOT NULL,

119. NAMEOBJ VARCHAR(20) NOT NULL COLLATE PXWCYRL);

120. CREATE TABLE SETS ( NAME VARCHAR(20) NOT NULL COLLATE PXWCYRL, SETVAR VARCHAR(20) COLLATE PXWCYRL);1. CREATE TABLE TASK4COMP (

121. MASHIN VARCHAR(64) NOT NULL COLLATE PXWCYRL, SUBJ INTEGER NOT NULL);

122. ALTER TABLE LCOMP ADD CONSTRAINT LCOMPPRIMARYKEY1 PRIMARY KEY (MASHIN);

123. ALTER TABLE OBJECTS ADD CONSTRAINT PKOBJECTS PRIMARY KEY (NAME);

124. ALTER TABLE SETS ADD CONSTRAINT PKSETS PRIMARY KEY (NAME);

125. ALTER TABLE F00001 ADD CONSTRAINT FKF00001 FOREIGN KEY (NAMEOBJ)

126. REFERENCES OBJECTS (NAME) ON DELETE CASCADE ON UPDATE CASCADE;

127. ALTER TABLE P00001 ADD CONSTRAINT FKP00001 FOREIGN KEY (NAMEOBJ)

128. REFERENCES OBJECTS (NAME) ON DELETE CASCADE ON UPDATE CASCADE;

129. CREATE INDEX F00001JDX1 ON F00001 (STEP);

130. CREATE INDEX F00001 IDX2 ON F00001 (ID);

131. CREATE INDEX P00001 IDX1 ON P00001 (STEP);

132. CREATE INDEX P00001JDX2 ON P00001 (ID);

133. CREATE INDEX TASK4COMPJDX1 ON TASK4COMP (MASHIN);

134. CREATE INDEX TASK4COMPJDX2 ON TASK4COMP (SUBJ);1. SET TERM л;

135. CREATE PROCEDURE ARBITR ASdeclare variable d integer; declare variable nm varchar(20); beginочистка временной таблицы от предыдущего мусора 7 delete from pOOOOItemp;во временную таблицу добавляются данные рассчитываемого шага моделирования 7

136. CREATE PROCEDURE PROCOK1 (

137. MASH IN VARCHAR(64)) AS beginupdate Icomp set ready=1 where mashin=:mashin; postevent 'OK1'; endл

138. CREATE PROCEDURE PROCOK2 (

139. MASHIN VARCHAR(64)) AS beginupdate Icomp set ready=1 where mashin=:mashin; postevent 'OK2'; end

140. CREATE PROCEDURE PROCOK3 (